JP2020191555A - 受信電力推定装置、受信電力推定方法およびプログラム - Google Patents
受信電力推定装置、受信電力推定方法およびプログラム Download PDFInfo
- Publication number
- JP2020191555A JP2020191555A JP2019096196A JP2019096196A JP2020191555A JP 2020191555 A JP2020191555 A JP 2020191555A JP 2019096196 A JP2019096196 A JP 2019096196A JP 2019096196 A JP2019096196 A JP 2019096196A JP 2020191555 A JP2020191555 A JP 2020191555A
- Authority
- JP
- Japan
- Prior art keywords
- received power
- information
- estimation
- feature amount
- estimated value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
【課題】位置ごとの品質の違いおよび品質の時間変動を加味した受信電力の推定を精度良く行うことができる受信電力推定装置などを提供する。【解決手段】１以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置であって、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力し、前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算する推定部を備える、受信電力推定装置。【選択図】図１
Description
本発明は、受信電力推定装置、受信電力推定方法およびプログラムに関する。
移動体通信における品質を推定する装置などが検討されている（例えば、特許文献１参照。）。
特許文献１に記載された品質推定装置では、基地局装置からの電波伝搬に基づいて品質を計算するＲＦ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ）管理手法によって、品質のエリア分布を推定することが行われる。また、当該品質推定装置では、推定された品質のエリア分布と、エリア内の測定点においてあらかじめ測定された品質の測定値とに基づいて、エリア内の品質を推定することが行われる。また、当該品質推定装置では、エリア内の品質を推定するために、ニューラルネットワークモデルが使用されている。また、当該品質推定装置では、エリア内の土地利用区分を、ニューラルネットワークモデルの入力として学習させることが行われる。
これらの構成によって、当該品質推定装置では、移動体通信における品質推定の面的網羅性を確保しつつ、推定精度を向上させることが図られている。
特許文献１に記載された品質推定装置では、基地局装置からの電波伝搬に基づいて品質を計算するＲＦ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ）管理手法によって、品質のエリア分布を推定することが行われる。また、当該品質推定装置では、推定された品質のエリア分布と、エリア内の測定点においてあらかじめ測定された品質の測定値とに基づいて、エリア内の品質を推定することが行われる。また、当該品質推定装置では、エリア内の品質を推定するために、ニューラルネットワークモデルが使用されている。また、当該品質推定装置では、エリア内の土地利用区分を、ニューラルネットワークモデルの入力として学習させることが行われる。
これらの構成によって、当該品質推定装置では、移動体通信における品質推定の面的網羅性を確保しつつ、推定精度を向上させることが図られている。
しかしながら、特許文献１に記載された品質推定では、位置（場所）ごとの品質の違いに関する課題として、土地利用区分というカテゴライズされた指標が機械学習の入力パラメータとされており、電波伝搬において重要なパラメータとなる構造物の情報が離散的であることから、推定精度には一定の限界があった。一方で、当該品質推定では、レイトレーシング法が用いられているが、レイトレーシング法による推定では計算に膨大な時間がかかる場合があった。
また、特許文献１に記載された品質推定では、品質の時間変動に関する課題として、現実には人や自動車などの動きによって伝搬は細かく変動するが、静的な情報のみが考慮されていることから、時間的な変動幅を推定することができない場合があった。
また、特許文献１に記載された品質推定では、品質の時間変動に関する課題として、現実には人や自動車などの動きによって伝搬は細かく変動するが、静的な情報のみが考慮されていることから、時間的な変動幅を推定することができない場合があった。
本発明は、このような事情を考慮してなされたもので、位置ごとの品質の違いおよび品質の時間変動を加味した受信電力の推定を精度良く行うことができる受信電力推定装置、受信電力推定方法およびプログラムを提供することを課題とする。
一構成例として、１以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置であって、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力し、前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算する推定部を備える、受信電力推定装置である。
一構成例として、受信電力推定装置において、前記第１情報は、都市の構造に関する情報を含む。
一構成例として、受信電力推定装置において、前記第１情報は、前記送信局に関する情報を含む。
一構成例として、受信電力推定装置において、前記受信電力は、前記送信局から無線で発信される電波を受信する受信局における受信電力である。
一構成例として、受信電力推定装置において、前記受信電力の推定値は、位置ごとに異なり時間的に変動する値である。
一構成例として、受信電力推定装置において、前記推定モデルは、位置ごとに時間的に変動する音の情報を含む第２情報に基づく特徴量と教師情報を用いて機械学習が行われることによって得られたモデルである。
一構成例として、受信電力推定装置において、前記第１情報は、前記送信局に関する情報を含む。
一構成例として、受信電力推定装置において、前記受信電力は、前記送信局から無線で発信される電波を受信する受信局における受信電力である。
一構成例として、受信電力推定装置において、前記受信電力の推定値は、位置ごとに異なり時間的に変動する値である。
一構成例として、受信電力推定装置において、前記推定モデルは、位置ごとに時間的に変動する音の情報を含む第２情報に基づく特徴量と教師情報を用いて機械学習が行われることによって得られたモデルである。
一構成例として、１以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定方法であって、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力し、前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算する、受信電力推定方法である。
一構成例として、１以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置を構成するコンピュータに、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力するステップと、前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算するステップと、を実行させるプログラムである。
一構成例として、１以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置を構成するコンピュータに、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力するステップと、前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算するステップと、を実行させるプログラムである。
本発明によれば、受信電力推定装置、受信電力推定方法およびプログラムにおいて、場所ごとの品質の違いおよび品質の時間変動を加味した受信電力の推定を精度良く行うことができる。
以下、図面を参照し、本発明の実施形態について説明する。
［通信システム］
図１は、本発明の一実施形態に係る通信システム１の概略的な構成を示す図である。
通信システム１は、移動通信システムであり、複数であるＮ個の基地局装置２１−１〜２１−Ｎと、複数であるＭ個の端末装置３１−１〜３１−Ｍと、複数であるＬ個の測定器４１−１〜４１−Ｌと、受信電力推定装置５１と、データベース５２と、ネットワーク６１を備える。
また、図１には、例えば人である利用者７１を示してある。利用者７１は、受信電力推定装置５１を操作する。
ここで、本実施形態では、基地局装置２１−１〜２１−Ｎの数（Ｎ個）、端末装置３１−１〜３１−Ｍの数（Ｍ個）、測定器４１−１〜４１−Ｌの数（Ｌ個）のそれぞれは、２以上の整数の値であるが、他の例として、これらのうちの１つ以上が１であってもよい。
図１は、本発明の一実施形態に係る通信システム１の概略的な構成を示す図である。
通信システム１は、移動通信システムであり、複数であるＮ個の基地局装置２１−１〜２１−Ｎと、複数であるＭ個の端末装置３１−１〜３１−Ｍと、複数であるＬ個の測定器４１−１〜４１−Ｌと、受信電力推定装置５１と、データベース５２と、ネットワーク６１を備える。
また、図１には、例えば人である利用者７１を示してある。利用者７１は、受信電力推定装置５１を操作する。
ここで、本実施形態では、基地局装置２１−１〜２１−Ｎの数（Ｎ個）、端末装置３１−１〜３１−Ｍの数（Ｍ個）、測定器４１−１〜４１−Ｌの数（Ｌ個）のそれぞれは、２以上の整数の値であるが、他の例として、これらのうちの１つ以上が１であってもよい。
受信電力推定装置５１と、データベース５２と、ネットワーク６１と、それぞれの基地局装置２１−１〜２１−Ｎは、ネットワーク６１と接続されている。この接続としては、例えば、有線の接続が用いられてもよく、あるいは、無線の接続が用いられてもよい。
それぞれの端末装置３１−１〜３１−Ｍは、通信相手となる基地局装置２１−１〜２１−Ｎと、無線により通信する。例えば、それぞれの端末装置３１−１〜３１−Ｍは、通信相手となる１つの基地局装置のセルに収容されて、当該基地局装置と無線により通信する。
それぞれの端末装置３１−１〜３１−Ｍは、通信相手となる基地局装置２１−１〜２１−Ｎと、無線により通信する。例えば、それぞれの端末装置３１−１〜３１−Ｍは、通信相手となる１つの基地局装置のセルに収容されて、当該基地局装置と無線により通信する。
それぞれの測定器４１−１〜４１−Ｌは、データベース５２と、有線または無線により、通信する。
ここで、本実施形態では、それぞれの測定器４１−１〜４１−Ｌとデータベース５２とが直接接続される構成を示すが、他の構成例として、それぞれの測定器４１−１〜４１−Ｌとデータベース５２とが、他の装置などを介して、間接的に接続されてもよい。具体例として、それぞれの測定器４１−１〜４１−Ｌとデータベース５２とが、受信電力推定装置５１を介して、間接的に接続されてもよい。また、それぞれの測定器４１−１〜４１−Ｌとデータベース５２との接続、あるいは、それぞれの測定器４１−１〜４１−Ｌと受信電力推定装置５１との接続は、例えば、ネットワーク６１を用いた接続であってもよい。
ここで、本実施形態では、それぞれの測定器４１−１〜４１−Ｌとデータベース５２とが直接接続される構成を示すが、他の構成例として、それぞれの測定器４１−１〜４１−Ｌとデータベース５２とが、他の装置などを介して、間接的に接続されてもよい。具体例として、それぞれの測定器４１−１〜４１−Ｌとデータベース５２とが、受信電力推定装置５１を介して、間接的に接続されてもよい。また、それぞれの測定器４１−１〜４１−Ｌとデータベース５２との接続、あるいは、それぞれの測定器４１−１〜４１−Ｌと受信電力推定装置５１との接続は、例えば、ネットワーク６１を用いた接続であってもよい。
また、ネットワーク６１は、例えば、１つのまとまったネットワークであってもよく、あるいは、複数のネットワークの集合であってもよい。
また、本実施形態では、受信電力推定装置５１として、１つのまとまった装置が用いられるが、他の構成例として、複数の異なる装置の集合であってもよく、この場合、受信電力推定装置５１の機能が複数の異なる装置に分散される。
また、本実施形態では、データベース５２としては、１つのまとまったデータベースが用いられるが、他の構成例として、複数の異なるデータベースの集合であってもよい。
また、本実施形態では、受信電力推定装置５１として、１つのまとまった装置が用いられるが、他の構成例として、複数の異なる装置の集合であってもよく、この場合、受信電力推定装置５１の機能が複数の異なる装置に分散される。
また、本実施形態では、データベース５２としては、１つのまとまったデータベースが用いられるが、他の構成例として、複数の異なるデータベースの集合であってもよい。
本実施形態では、基地局装置２１−１〜２１−Ｎおよび端末装置３１−１〜３１−Ｍは、移動端通信システムにおける装置である。
それぞれの基地局装置２１−１〜２１−Ｎは、それぞれ異なる場所に設置されている。
それぞれの端末装置３１−１〜３１−Ｍは、例えば、スマートホンあるいは携帯電話などの装置である。それぞれの端末装置３１−１〜３１−Ｍは、例えば、ユーザ（例えば、人）によって携帯されて持ち運ばれることで移動させられる装置、あるいは、自動車などに載置されて移動させられる装置である。
それぞれの測定器４１−１〜４１−Ｌは、それぞれ異なる場所に設置されている。なお、それぞれの測定器４１−１〜４１−Ｌが設置される場所は、例えば、端末装置３１−１〜３１−Ｍとは独立した場所であってもよい。
それぞれの基地局装置２１−１〜２１−Ｎは、それぞれ異なる場所に設置されている。
それぞれの端末装置３１−１〜３１−Ｍは、例えば、スマートホンあるいは携帯電話などの装置である。それぞれの端末装置３１−１〜３１−Ｍは、例えば、ユーザ（例えば、人）によって携帯されて持ち運ばれることで移動させられる装置、あるいは、自動車などに載置されて移動させられる装置である。
それぞれの測定器４１−１〜４１−Ｌは、それぞれ異なる場所に設置されている。なお、それぞれの測定器４１−１〜４１−Ｌが設置される場所は、例えば、端末装置３１−１〜３１−Ｍとは独立した場所であってもよい。
それぞれの基地局装置２１−１〜２１−Ｎは、所定の電波を無線により発信する。
それぞれの端末装置３１−１〜３１−Ｍは、通信相手となる基地局装置２１−１〜２１−Ｎから発信される電波を受信し、その受信電力を測定する。
それぞれの端末装置３１−１〜３１−Ｍは、音を収集するマイクを備え、当該マイクによって収集される音を測定する。本実施形態では、当該音は、それぞれの端末装置３１−１〜３１−Ｍが存在する位置における環境音であるとする。
また、それぞれの端末装置３１−１〜３１−Ｍは、自装置（当該それぞれの端末装置３１−１〜３１−Ｍ）の位置を測定する機能を備え、当該機能によって自装置の位置を測定する。当該機能は、任意の機能であってもよく、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）の機能であってもよい。位置は、例えば、緯度と経度によって特定されてもよい。
それぞれの端末装置３１−１〜３１−Ｍは、通信相手となる基地局装置２１−１〜２１−Ｎから発信される電波を受信し、その受信電力を測定する。
それぞれの端末装置３１−１〜３１−Ｍは、音を収集するマイクを備え、当該マイクによって収集される音を測定する。本実施形態では、当該音は、それぞれの端末装置３１−１〜３１−Ｍが存在する位置における環境音であるとする。
また、それぞれの端末装置３１−１〜３１−Ｍは、自装置（当該それぞれの端末装置３１−１〜３１−Ｍ）の位置を測定する機能を備え、当該機能によって自装置の位置を測定する。当該機能は、任意の機能であってもよく、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）の機能であってもよい。位置は、例えば、緯度と経度によって特定されてもよい。
そして、それぞれの端末装置３１−１〜３１−Ｍは、測定結果を表す情報（以下、説明の便宜上、端末測定結果情報と呼ぶ。）を、通信相手となる基地局装置２１−１〜２１−Ｎに無線により送信する。
それぞれの基地局装置２１−１〜２１−Ｎは、端末装置３１−１〜３１−Ｍから送信された端末測定結果情報を受信し、受信された端末測定結果情報を、ネットワーク６１を介して、データベース５２に送信する。
それぞれの基地局装置２１−１〜２１−Ｎは、端末装置３１−１〜３１−Ｍから送信された端末測定結果情報を受信し、受信された端末測定結果情報を、ネットワーク６１を介して、データベース５２に送信する。
なお、それぞれの端末装置３１−１〜３１−Ｍは、例えば、端末測定結果情報をリアルタイムでデータベース５２に送信してもよく、あるいは、端末測定結果情報をいったんログとして記録した後に、データベース５２に送信してもよい。
また、それぞれの端末装置３１−１〜３１−Ｍに記録された端末測定結果情報が、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）などの可搬記録媒体に記録されて、当該可搬記録媒体からデータベース５２に当該端末測定結果情報が渡されてもよい。
また、それぞれの端末装置３１−１〜３１−Ｍに記録された端末測定結果情報が、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）などの可搬記録媒体に記録されて、当該可搬記録媒体からデータベース５２に当該端末測定結果情報が渡されてもよい。
ここで、本実施形態では、端末測定情報は、それぞれの端末装置３１−１〜３１−Ｍによって測定された受信電力の情報と、当該それぞれの端末装置３１−１〜３１−Ｍによって測定された音の情報と、当該それぞれの端末装置３１−１〜３１−Ｍによって測定された位置の情報を含むが、他の構成例として、受信電力の情報と音の情報とは、別々の端末測定情報に含められてもよい。当該他の構成例では、１つ以上の端末装置３１−１〜３１−Ｍは、受信電力と音とのうちで任意の一方のみを測定してもよい。
それぞれの測定器４１−１〜４１−Ｌは、基地局装置２１−１〜２１−Ｎから発信される電波を受信し、その受信電力を測定する。
それぞれの測定器４１−１〜４１−Ｌは、音を収集するマイクを備え、当該マイクによって収集される音を測定する。本実施形態では、当該音は、それぞれの測定器４１−１〜４１−Ｌが存在する位置における環境音であるとする。
また、それぞれの測定器４１−１〜４１−Ｌは、自装置（当該それぞれの測定器４１−１〜４１−Ｌ）の位置の情報を記憶部に記憶している。
そして、それぞれの測定器４１−１〜４１−Ｌは、測定結果を表す情報（以下、説明の便宜上、測定器測定結果情報と呼ぶ。）を、データベース５２に送信する。
それぞれの測定器４１−１〜４１−Ｌは、音を収集するマイクを備え、当該マイクによって収集される音を測定する。本実施形態では、当該音は、それぞれの測定器４１−１〜４１−Ｌが存在する位置における環境音であるとする。
また、それぞれの測定器４１−１〜４１−Ｌは、自装置（当該それぞれの測定器４１−１〜４１−Ｌ）の位置の情報を記憶部に記憶している。
そして、それぞれの測定器４１−１〜４１−Ｌは、測定結果を表す情報（以下、説明の便宜上、測定器測定結果情報と呼ぶ。）を、データベース５２に送信する。
なお、それぞれの測定器４１−１〜４１−Ｌは、例えば、測定器測定結果情報をリアルタイムでデータベース５２に送信してもよく、あるいは、測定器測定結果情報をいったんログとして記録した後に、データベース５２に送信してもよい。
また、それぞれの測定器４１−１〜４１−Ｌに記録された測定器測定結果情報が、ＵＳＢなどの可搬記録媒体に記録されて、当該可搬記録媒体からデータベース５２に当該測定器測定結果情報が渡されてもよい。
また、それぞれの測定器４１−１〜４１−Ｌに記録された測定器測定結果情報が、ＵＳＢなどの可搬記録媒体に記録されて、当該可搬記録媒体からデータベース５２に当該測定器測定結果情報が渡されてもよい。
ここで、本実施形態では、測定器測定情報は、それぞれの測定器４１−１〜４１−Ｌによって測定された受信電力の情報と、当該測定器４１−１〜４１−Ｌによって測定された音の情報と、当該それぞれの測定器４１−１〜４１−Ｌの位置の情報を含むが、他の構成例として、受信電力の情報と音の情報とは、別々の測定器測定情報に含められてもよい。当該他の構成例では、１つ以上の測定器４１−１〜４１−Ｌは、受信電力と音とのうちで任意の一方のみを測定してもよい。
また、本実施形態では、それぞれの測定器４１−１〜４１−Ｌは、自装置（当該それぞれの測定器４１−１〜４１−Ｌ）の位置の情報を測定器測定情報に含めるが、他の構成例として、それぞれの測定器４１−１〜４１−Ｌは、自装置（当該それぞれの測定器４１−１〜４１−Ｌ）の位置の情報の代わりに、自装置の識別情報を測定器測定情報に含めてもよい。当該他の構成例では、データベース５２は、それぞれの測定器４１−１〜４１−Ｌの識別情報と当該それぞれの測定器４１−１〜４１−Ｌの位置の情報との対応を記憶しており、測定器測定情報に含まれる識別情報に基づいて、当該識別情報に対応する位置の情報を特定する。
データベース５２は、基地局装置２１−１〜２１−Ｎから送信される端末測定結果情報を受信し、受信された端末測定結果情報を記憶する。
また、データベース５２は、測定器４１−１〜４１−Ｌから送信される測定器測定結果情報を受信し、受信された測定器測定結果情報を記憶する。
ここで、データベース５２では、端末測定結果情報と測定器測定結果情報とが、別々に管理されてもよく、あるいは、まとめて管理されてもよい。
また、データベース５２は、測定器４１−１〜４１−Ｌから送信される測定器測定結果情報を受信し、受信された測定器測定結果情報を記憶する。
ここで、データベース５２では、端末測定結果情報と測定器測定結果情報とが、別々に管理されてもよく、あるいは、まとめて管理されてもよい。
ここで、本実施形態では、測定器４１−１〜４１−Ｌが設置された場所に固定されている場合を示すが、他の構成例として、測定器４１−１〜４１−Ｌのうちの１つ以上が車両などに載置されて移動させられる構成が用いられてもよい。当該他の構成例では、移動させられる測定器は、例えば、端末装置３１−１〜３１−Ｍと同様に、自器（当該測定器）の位置を測定して、測定された位置を自器の位置とみなす。
また、本実施形態では、端末装置３１−１〜３１−Ｍと測定器４１−１〜４１−Ｌによって測定が行われる構成を示すが、他の構成例として、端末装置３１−１〜３１−Ｍと測定器４１−１〜４１−Ｌとの任意の一方によって測定が行われる構成が用いられてもよい。つまり、端末装置３１−１〜３１−Ｍによって測定が行われる構成が用いられてもよく、あるいは、測定器４１−１〜４１−Ｌによって測定が行われる構成が用いられてもよい。測定器４１−１〜４１−Ｌによって測定が行われない場合には、測定器４１−１〜４１−Ｌは備えられなくてもよい。
［データベースに記憶される情報］
本実施形態では、データベース５２は、送信局に関する情報と、受信電力に関する情報と、環境音に関する情報と、都市構造に関する情報と、推定モデルに関する情報を記憶する。
本実施形態では、データベース５２は、送信局に関する情報と、受信電力に関する情報と、環境音に関する情報と、都市構造に関する情報と、推定モデルに関する情報を記憶する。
送信局に関する情報としては、様々な情報が用いられてもよく、例えば、送信局から発信される電波の周波数、当該電波の電力、当該送信局の位置などのうちの１以上の情報であってもよい。
送信局に関する情報の一部または全部は、例えば、基地局装置２１−１〜２１−Ｎごとに異なり得る情報であってもよい。
また、送信局に関する情報の一部または全部は、例えば、時間的に変動し得る情報であってもよい。
送信局に関する情報は、例えば、あらかじめデータベース５２に記憶されてもよい。
送信局に関する情報の一部または全部は、例えば、基地局装置２１−１〜２１−Ｎごとに異なり得る情報であってもよい。
また、送信局に関する情報の一部または全部は、例えば、時間的に変動し得る情報であってもよい。
送信局に関する情報は、例えば、あらかじめデータベース５２に記憶されてもよい。
なお、本実施形態では、送信局として、それぞれの基地局装置２１−１〜２１−Ｎが用いられている。
他の例として、送信局として、中継局装置（図示せず）が用いられてもよい。当該中継局装置は、例えば、通信システム１に備えられて、基地局装置２１−１〜２１−Ｎから端末装置３１−１〜３１−Ｍに送信される電波を中継する処理と、端末装置３１−１〜３１−Ｍから基地局装置２１−１〜２１−Ｎに送信される電波を中継する処理と、の一方または両方を行う。
他の例として、送信局として、中継局装置（図示せず）が用いられてもよい。当該中継局装置は、例えば、通信システム１に備えられて、基地局装置２１−１〜２１−Ｎから端末装置３１−１〜３１−Ｍに送信される電波を中継する処理と、端末装置３１−１〜３１−Ｍから基地局装置２１−１〜２１−Ｎに送信される電波を中継する処理と、の一方または両方を行う。
受信電力に関する情報としては、本実施形態では、端末装置３１−１〜３１−Ｍによって測定された受信電力の情報と、測定器４１−１〜４１−Ｌによって測定された受信電力の情報と、の一方または両方が用いられる。
本実施形態では、受信電力の情報は、実測値の情報である。
受信電力に関する情報の一部または全部は、例えば、位置ごとに異なり得る。
また、受信電力に関する情報の一部または全部は、例えば、時間的に変動し得る。
受信電力の情報としては、例えば、所定の時間帯における受信電力の情報が収集されてもよい。当該時間帯は、例えば、１日などの時間帯であってもよい。
本実施形態では、受信電力の情報は、実測値の情報である。
受信電力に関する情報の一部または全部は、例えば、位置ごとに異なり得る。
また、受信電力に関する情報の一部または全部は、例えば、時間的に変動し得る。
受信電力の情報としては、例えば、所定の時間帯における受信電力の情報が収集されてもよい。当該時間帯は、例えば、１日などの時間帯であってもよい。
環境音に関する情報としては、本実施形態では、端末装置３１−１〜３１−Ｍによって測定された音の情報と、測定器４１−１〜４１−Ｌによって測定された音の情報と、の一方または両方が用いられる。
本実施形態では、環境音の情報は、実測値の情報である。
環境音に関する情報の一部または全部は、例えば、位置ごとに異なり得る。
また、環境音に関する情報の一部または全部は、例えば、時間的に変動し得る。
環境音の情報としては、例えば、所定の時間帯における環境音の情報が収集されてもよい。当該時間帯は、例えば、１日などの時間帯であってもよい。
本実施形態では、環境音の情報は、実測値の情報である。
環境音に関する情報の一部または全部は、例えば、位置ごとに異なり得る。
また、環境音に関する情報の一部または全部は、例えば、時間的に変動し得る。
環境音の情報としては、例えば、所定の時間帯における環境音の情報が収集されてもよい。当該時間帯は、例えば、１日などの時間帯であってもよい。
ここで、環境音の情報としては、例えば、音の測定結果の情報がスペクトログラムに変換された情報が用いられてもよい。
環境音の情報としては、例えば、任意の周波数の音の情報が用いられてもよい。当該周波数は、例えば、１点の周波数であってもよく、２点以上の周波数であってもよく、あるいは、所定の帯域幅を有する周波数であってもよい。また、これらの周波数としては、例えば、可聴域の周波数であってもよく、あるいは、他の周波数であってもよい。
なお、音の測定結果の情報をスペクトログラムに変換する処理は、例えば、あらかじめ行われてもよく、あるいは、受信電力推定装置５１における学習部１１３の変換部１３１や推定部１１５の変換部１５１によって行われてもよい。
環境音の情報としては、例えば、周波数と、時間と、音のレベルとが対応付けられた情報が用いられてもよい。
環境音の情報としては、例えば、任意の周波数の音の情報が用いられてもよい。当該周波数は、例えば、１点の周波数であってもよく、２点以上の周波数であってもよく、あるいは、所定の帯域幅を有する周波数であってもよい。また、これらの周波数としては、例えば、可聴域の周波数であってもよく、あるいは、他の周波数であってもよい。
なお、音の測定結果の情報をスペクトログラムに変換する処理は、例えば、あらかじめ行われてもよく、あるいは、受信電力推定装置５１における学習部１１３の変換部１３１や推定部１１５の変換部１５１によって行われてもよい。
環境音の情報としては、例えば、周波数と、時間と、音のレベルとが対応付けられた情報が用いられてもよい。
都市構造に関する情報としては、様々な情報が用いられてもよく、例えば、建物の存在に関する情報が用いられてもよい。
本実施形態では、都市構造に関する情報は、現実の都市構造に基づく情報である。
都市構造に関する情報は、例えば、あらかじめデータベース５２に記憶されてもよい。
ここで、都市構造に関する情報としては、例えば、受信電力が学習あるいは推定される位置と、１以上の送信局との間における電波の伝搬環境を表す情報が用いられてもよい。当該情報としては、例えば、それぞれの送信局ごとに別々の情報が用いられてもよく、あるいは、２以上の異なる送信局についてまとめられた情報が用いられてもよい。
本実施形態では、都市構造に関する情報は、現実の都市構造に基づく情報である。
都市構造に関する情報は、例えば、あらかじめデータベース５２に記憶されてもよい。
ここで、都市構造に関する情報としては、例えば、受信電力が学習あるいは推定される位置と、１以上の送信局との間における電波の伝搬環境を表す情報が用いられてもよい。当該情報としては、例えば、それぞれの送信局ごとに別々の情報が用いられてもよく、あるいは、２以上の異なる送信局についてまとめられた情報が用いられてもよい。
推定モデルに関する情報としては、様々な情報が用いられてもよく、例えば、線形回帰モデル、ニューラルネットワークをベースとしたモデル、あるいは、決定木をベースとしたモデルなどが用いられてもよい。
線形回帰モデルとしては、例えば、Ｌａｓｓｏ、Ｒｉｄｇｅ、ＥｌａｓｔｉｃＮｅｔなどのモデルが用いられてもよい。
ニューラルネットワークをベースとしたモデルとしては、ＤｅｅｐＬｅａｒｎｉｎｇなどのモデルが用いられてもよい。
決定木をベースとしたモデルとしては、ＲａｎｄｏｍＦｏｒｅｓｔ、あるいは、ＸＧＢｏｏｓｔなどのモデルが用いられてもよい。
線形回帰モデルとしては、例えば、Ｌａｓｓｏ、Ｒｉｄｇｅ、ＥｌａｓｔｉｃＮｅｔなどのモデルが用いられてもよい。
ニューラルネットワークをベースとしたモデルとしては、ＤｅｅｐＬｅａｒｎｉｎｇなどのモデルが用いられてもよい。
決定木をベースとしたモデルとしては、ＲａｎｄｏｍＦｏｒｅｓｔ、あるいは、ＸＧＢｏｏｓｔなどのモデルが用いられてもよい。
また、推定モデルとして、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）のモデルが用いられてもよい。当該モデルでは、入力情報の構造的な特徴を抽出することができるため、都市構造や環境音の特徴量を画像的に捉えて、伝搬環境の特徴を学習させることができる。
推定モデルに関する情報は、例えば、あらかじめデータベース５２に記憶されてもよい。
推定モデルに関する情報は、例えば、あらかじめデータベース５２に記憶されてもよい。
［受信電力推定装置］
図２は、本発明の一実施形態に係る受信電力推定装置５１の概略的なブロック構成を示す図である。
受信電力推定装置５１は、特徴量生成部１１１と、教師情報取得部１１２と、学習部１１３と、推定位置指定部１１４と、推定部１１５を備える。
学習部１１３は、変換部１３１と、推定モデル生成部１３２を備える。
推定部１１５は、変換部１５１と、推定値演算部１５２を備える。
図２は、本発明の一実施形態に係る受信電力推定装置５１の概略的なブロック構成を示す図である。
受信電力推定装置５１は、特徴量生成部１１１と、教師情報取得部１１２と、学習部１１３と、推定位置指定部１１４と、推定部１１５を備える。
学習部１１３は、変換部１３１と、推定モデル生成部１３２を備える。
推定部１１５は、変換部１５１と、推定値演算部１５２を備える。
本実施形態では、受信電力推定装置５１は、データベース５２に記憶された情報を用いて、各種の処理を行う。
なお、他の構成例として、受信電力推定装置５１は、データベース５２以外の記憶装置に記憶された情報を用いてもよい。当該記憶装置は、例えば、受信電力推定装置５１の外部に備えられてもよく、あるいは、受信電力推定装置５１の内部に備えられてもよい。
なお、他の構成例として、受信電力推定装置５１は、データベース５２以外の記憶装置に記憶された情報を用いてもよい。当該記憶装置は、例えば、受信電力推定装置５１の外部に備えられてもよく、あるいは、受信電力推定装置５１の内部に備えられてもよい。
特徴量生成部１１１は、所定の特徴量を生成する。
また、特徴量生成部１１１は、生成された特徴量を学習部１１３および推定部１１５に出力する。
本実施形態では、特徴量生成部１１１は、データベース５２に記憶された、送信局に関する情報、環境音の情報、および都市構造に関する情報に基づく特徴量を生成する。
本実施形態では、特徴量を生成するための演算式が、あらかじめデータベース５２に記憶される。特徴量生成部１１１は、当該演算式を用いて、所定の特徴量を演算することにより生成する。
また、特徴量生成部１１１は、生成された特徴量を学習部１１３および推定部１１５に出力する。
本実施形態では、特徴量生成部１１１は、データベース５２に記憶された、送信局に関する情報、環境音の情報、および都市構造に関する情報に基づく特徴量を生成する。
本実施形態では、特徴量を生成するための演算式が、あらかじめデータベース５２に記憶される。特徴量生成部１１１は、当該演算式を用いて、所定の特徴量を演算することにより生成する。
ここで、特徴量生成部１１１は、例えば、複数の特徴量を生成してもよい。
複数の特徴量としては、例えば、送信局に関する情報に基づく特徴量、環境音の情報に基づく特徴量、都市構造に関する情報に基づく特徴量が用いられてもよい。
また、特徴量は、例えば、位置ごとに対応付けられていてもよい。また、特徴量は、例えば、時間的に変動する特徴量であってもよい。
複数の特徴量としては、例えば、送信局に関する情報に基づく特徴量、環境音の情報に基づく特徴量、都市構造に関する情報に基づく特徴量が用いられてもよい。
また、特徴量は、例えば、位置ごとに対応付けられていてもよい。また、特徴量は、例えば、時間的に変動する特徴量であってもよい。
教師情報取得部１１２は、データベース５２に記憶された教師情報を取得する。本実施形態では、当該教師情報は、受信電力の情報である。
また、教師情報取得部１１２は、取得された教師情報を学習部１１３に出力する。
ここで、受信電力の情報は、例えば、位置ごとに対応付けられていてもよい。また、受信電力の情報は、例えば、時間的に変動する特徴量であってもよい。
また、教師情報取得部１１２は、取得された教師情報を学習部１１３に出力する。
ここで、受信電力の情報は、例えば、位置ごとに対応付けられていてもよい。また、受信電力の情報は、例えば、時間的に変動する特徴量であってもよい。
学習部１１３の変換部１３１は、特徴量生成部１１１から出力された特徴量を入力し、入力された特徴量に対して所定の変換を行い、当該変換が為された後における特徴量を推定モデル生成部１３２に出力する。
また、学習部１１３の変換部１３１は、教師情報取得部１１２から出力された教師情報（受信電力の情報）に対して所定の変換を行い、当該変換が為された後における教師情報を推定モデル生成部１３２に出力する。
また、学習部１１３の変換部１３１は、教師情報取得部１１２から出力された教師情報（受信電力の情報）に対して所定の変換を行い、当該変換が為された後における教師情報を推定モデル生成部１３２に出力する。
ここで、変換部１３１によって行われる変換としては、様々な変換であってもよい。
例えば、教師情報（受信電力の情報）に位置が対応付けられている場合に、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該位置における特徴量へ変換してもよい。
また、例えば、教師情報（受信電力の情報）に時間が対応付けられている場合に、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該時間における特徴量へ変換してもよい。
なお、このような変換が不要ある場合には、学習部１１３に変換部１３１が備えられなくてもよい。
例えば、教師情報（受信電力の情報）に位置が対応付けられている場合に、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該位置における特徴量へ変換してもよい。
また、例えば、教師情報（受信電力の情報）に時間が対応付けられている場合に、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該時間における特徴量へ変換してもよい。
なお、このような変換が不要ある場合には、学習部１１３に変換部１３１が備えられなくてもよい。
推定モデル生成部１３２は、変換部１３１から出力された特徴量および教師情報を入力する。
推定モデル生成部１３２は、データベース５２に記憶された推定モデルに関する情報によって特定される推定モデルと、変換部１３１から入力される特徴量および教師情報に基づいて、当該推定モデルにおける１以上のパラメータの値を更新する。
ここで、当該パラメータとしては、様々なものが用いられてもよく、例えば、当該推定モデルにおいて所定の値に乗算すべき重み付けの値（重み）が用いられてもよい。
また、パラメータの数としては、１以上の任意の数であってもよい。
推定モデル生成部１３２は、データベース５２に記憶された推定モデルに関する情報によって特定される推定モデルと、変換部１３１から入力される特徴量および教師情報に基づいて、当該推定モデルにおける１以上のパラメータの値を更新する。
ここで、当該パラメータとしては、様々なものが用いられてもよく、例えば、当該推定モデルにおいて所定の値に乗算すべき重み付けの値（重み）が用いられてもよい。
また、パラメータの数としては、１以上の任意の数であってもよい。
学習部１１３では、このような処理を行うことにより、推定モデル生成部１３２によって、学習されたパラメータの値を有する推定モデル（説明の便宜上、学習済み推定モデルとも呼ぶ。）を生成する。
学習部１１３では、推定モデル生成部１３２は、生成された学習済み推定モデルを推定部１１５に出力する。
ここで、学習の手法としては、任意の手法が用いられてもよい。
本実施形態では、教師情報を用いた機械学習（教師あり学習）が用いられている。
学習部１１３では、推定モデル生成部１３２は、生成された学習済み推定モデルを推定部１１５に出力する。
ここで、学習の手法としては、任意の手法が用いられてもよい。
本実施形態では、教師情報を用いた機械学習（教師あり学習）が用いられている。
推定位置指定部１１４は、受信電力を推定する対象とする位置を指定する情報（説明の便宜上、位置指定情報とも呼ぶ。）を、推定部１１５に出力する。
ここで、受信電力を推定する対象とする位置は、例えば、利用者７１によって指定されてもよい。この場合、推定位置指定部１１４は、利用者７１によって操作されることが可能な操作部を有しており、当該操作部に対して行われた操作に応じて位置の指定を受け付ける。
他の構成例として、受信電力を推定する対象とする位置は、例えば、あらかじめ決められていて設定されていてもよい。
ここで、受信電力を推定する対象とする位置は、例えば、利用者７１によって指定されてもよい。この場合、推定位置指定部１１４は、利用者７１によって操作されることが可能な操作部を有しており、当該操作部に対して行われた操作に応じて位置の指定を受け付ける。
他の構成例として、受信電力を推定する対象とする位置は、例えば、あらかじめ決められていて設定されていてもよい。
ここで、受信電力を推定する対象とする位置は、例えば、緯度と経度によって指定されてもよい。
また、受信電力を推定する対象とする位置は、例えば、１つの位置を単位として指定されてもよく、あるいは、複数の位置を含む範囲を単位として指定されてもよい。なお、当該範囲の形状あるいは大きさなどとしては、様々なものが用いられてもよい。
また、受信電力を推定する対象とする位置は、例えば、１つの位置を単位として指定されてもよく、あるいは、複数の位置を含む範囲を単位として指定されてもよい。なお、当該範囲の形状あるいは大きさなどとしては、様々なものが用いられてもよい。
推定部１１５の変換部１５１は、特徴量生成部１１１から出力された特徴量を入力し、入力された特徴量に対して所定の変換を行い、当該変換が為された後における特徴量を推定値演算部１５２に出力する。
また、推定部１１５の変換部１５１は、推定位置指定部１１４から出力された位置指定情報に対して所定の変換を行い、当該変換が為された後における位置指定情報を推定値演算部１５２に出力する。
また、推定部１１５の変換部１５１は、推定位置指定部１１４から出力された位置指定情報に対して所定の変換を行い、当該変換が為された後における位置指定情報を推定値演算部１５２に出力する。
ここで、変換部１５１によって行われる変換としては、様々な変換であってもよい。本実施形態では、学習部１１３の変換部１３１と、推定部１１５の変換部１５１とで、同様な変換処理が行われてもよい。
例えば、位置指定情報に対して、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該位置における特徴量へ変換してもよい。
また、例えば、位置指定情報によって指定される位置について推定される受信電力の情報に時間が対応付けられる場合に、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該時間における特徴量へ変換してもよい。
なお、このような変換が不要ある場合には、推定部１１５に変換部１５１が備えられなくてもよい。
例えば、位置指定情報に対して、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該位置における特徴量へ変換してもよい。
また、例えば、位置指定情報によって指定される位置について推定される受信電力の情報に時間が対応付けられる場合に、変換部１３１は、特徴量生成部１１１から入力される特徴量を、当該時間における特徴量へ変換してもよい。
なお、このような変換が不要ある場合には、推定部１１５に変換部１５１が備えられなくてもよい。
推定値演算部１５２は、推定モデル生成部１３２から出力された学習済み推定モデルを入力し、変換部１５１から出力された特徴量および位置指定情報を入力する。
推定値演算部１５２は、入力された学習済み推定モデルに、入力された特徴量および位置指定情報を入力することにより、受信電力の推定値を演算する。
ここで、受信電力の推定値は、例えば、位置ごとに異なり得る。また、受信電力の推定値は、例えば、時間的に変動し得る。本実施形態では、受信電力の推定値は、位置ごとに異なり得る値であり、時間的に変動し得る値である。
なお、通常の環境では、受信電力の推定値は、位置ごとに異なる場合が多く、時間的に変動する場合が多いと考えられる。
推定値演算部１５２は、入力された学習済み推定モデルに、入力された特徴量および位置指定情報を入力することにより、受信電力の推定値を演算する。
ここで、受信電力の推定値は、例えば、位置ごとに異なり得る。また、受信電力の推定値は、例えば、時間的に変動し得る。本実施形態では、受信電力の推定値は、位置ごとに異なり得る値であり、時間的に変動し得る値である。
なお、通常の環境では、受信電力の推定値は、位置ごとに異なる場合が多く、時間的に変動する場合が多いと考えられる。
また、推定位置指定部１１４によって範囲が指定された場合には、推定部１１５の推定値演算部１５２は、当該範囲に含まれる１以上の位置について、受信電力の推定値を演算する。
当該範囲に含まれる１以上の位置の数は、任意であってもよく、例えば、あらかじめ指定されてもよい。
また、当該範囲に含まれる１以上の位置は、任意の位置であってもよく、例えば、あらかじめ指定されてもよい。
一例として、当該範囲にあらかじめ複数の枠が設定されていて、それぞれの枠ごとの位置について、受信電力の推定値が演算されてもよい。
当該範囲に含まれる１以上の位置の数は、任意であってもよく、例えば、あらかじめ指定されてもよい。
また、当該範囲に含まれる１以上の位置は、任意の位置であってもよく、例えば、あらかじめ指定されてもよい。
一例として、当該範囲にあらかじめ複数の枠が設定されていて、それぞれの枠ごとの位置について、受信電力の推定値が演算されてもよい。
ここで、本実施形態に係る受信電力推定装置５１では、特徴量生成部１１１と教師情報取得部１１２と学習部１１３の機能によって推定モデルの学習が行われ、また、特徴量生成部１１１と推定位置指定部１１４と推定部１１５の機能によって学習済み推定モデルによる推定が行われる。このように、本実施形態に係る受信電力推定装置５１では、学習を行う機能と、推定を行う機能とが、一体化された構成を有するが、他の構成例として、学習を行う機能と、推定を行う機能とが、別体の装置によって構成されてもよい。当該他の構成例では、学習を行う機能を有する装置によって推定モデルの学習を行い、これによって得られた学習済み推定モデルを用いて推定を行う装置が推定を行う。
［推定モデルの学習および受信電力の推定］
図３は、本発明の一実施形態に係る推定モデルの学習および受信電力の推定の流れの一例を示す図である。
学習Ｔ１の処理では、送信局に関する情報である送信局情報３１１、環境音に関する情報である環境音情報３１２、および都市構造に関する情報（都市構造情報３１３）に基づいて得られる特徴量２１１と、受信電力３３１に関する教師情報２１２を用いて、推定モデルの学習が行われる。
当該学習Ｔ１によって、学習済みの推定モデル２３１が得られる。
本実施形態では、当該学習Ｔ１は、機械学習である。
図３は、本発明の一実施形態に係る推定モデルの学習および受信電力の推定の流れの一例を示す図である。
学習Ｔ１の処理では、送信局に関する情報である送信局情報３１１、環境音に関する情報である環境音情報３１２、および都市構造に関する情報（都市構造情報３１３）に基づいて得られる特徴量２１１と、受信電力３３１に関する教師情報２１２を用いて、推定モデルの学習が行われる。
当該学習Ｔ１によって、学習済みの推定モデル２３１が得られる。
本実施形態では、当該学習Ｔ１は、機械学習である。
ここで、学習済みの推定モデル２３１としては、様々な演算式で表されるモデルが用いられてもよく、例えば、送信局情報３１１に基づく１以上の特徴量と、環境音情報３１２に基づく１以上の特徴量と、都市構造情報３１３に基づく１以上の特徴量を、それぞれパラメータとして、これらのパラメータおよび所定の重みの値を用いて受信電力の推定値を演算する演算式が用いられてもよい。当該重みの値は、例えば、１以上のパラメータのそれぞれに乗算される１以上の重みの値であってもよい。
なお、特徴量としては、例えば、送信局情報３１１と環境音情報３１２と都市構造情報３１３のうちの２以上に基づく特徴量が用いられてもよい。
また、本実施形態では、送信局情報３１１と環境音情報３１２と都市構造情報３１３が用いられるが、他の構成例として、少なくとも環境音情報３１２が用いられればよい。
また、送信局情報３１１と環境音情報３１２と都市構造情報３１３とは別の情報が、これらの情報とともに用いられてもよく、あるいは、送信局情報３１１と都市構造情報３１３との一方または両方の代わりに用いられてもよい。
なお、特徴量としては、例えば、送信局情報３１１と環境音情報３１２と都市構造情報３１３のうちの２以上に基づく特徴量が用いられてもよい。
また、本実施形態では、送信局情報３１１と環境音情報３１２と都市構造情報３１３が用いられるが、他の構成例として、少なくとも環境音情報３１２が用いられればよい。
また、送信局情報３１１と環境音情報３１２と都市構造情報３１３とは別の情報が、これらの情報とともに用いられてもよく、あるいは、送信局情報３１１と都市構造情報３１３との一方または両方の代わりに用いられてもよい。
推定Ｔ２の処理では、推定モデル２５１と、特徴量２１１と、位置指定情報３５１によって特定される位置情報２１３を用いて、受信電力の推定が行われる。ここで、推定モデル２５１としては、学習Ｔ１の処理によって得られた学習済みの推定モデル２３１が用いられる。
当該推定Ｔ２の処理によって、受信電力の推定値２７１が得られる。
本実施形態では、受信電力の推定値２７１は、位置ごとに異なり得る情報であり、時間的に変動し得る情報である。
当該推定Ｔ２の処理によって、受信電力の推定値２７１が得られる。
本実施形態では、受信電力の推定値２７１は、位置ごとに異なり得る情報であり、時間的に変動し得る情報である。
［都市構造情報の例］
図４は、本発明の一実施形態に係る都市構造情報４０１の一例を示す図である。
本実施形態では、都市構造情報４０１として、二次元の平面状の地図の情報が用いられている。
都市構造情報４０１は、メッシュ状の単位領域４１１の情報と、建物領域４３１の情報と、送信局の位置４５１の情報と、対象位置４５２の情報を含む。
本実施形態では、都市構造情報４０１は、送信局ごとの情報である。
図４は、本発明の一実施形態に係る都市構造情報４０１の一例を示す図である。
本実施形態では、都市構造情報４０１として、二次元の平面状の地図の情報が用いられている。
都市構造情報４０１は、メッシュ状の単位領域４１１の情報と、建物領域４３１の情報と、送信局の位置４５１の情報と、対象位置４５２の情報を含む。
本実施形態では、都市構造情報４０１は、送信局ごとの情報である。
単位領域４１１は、平面を複数の領域に区切る単位となる領域である。本実施形態では、単位領域４１１は、正方形の形状を有している。そして、複数の単位領域４１１が、互いに直交する２つの方向のそれぞれに、並んで配置されている。
建物領域４３１は、建物が存在する領域を表している。本実施形態では、建物領域４３１は、建物を上空から見た場合に当該建物が存在する領域を表す。
建物領域４３１は、建物が存在する領域を表している。本実施形態では、建物領域４３１は、建物を上空から見た場合に当該建物が存在する領域を表す。
送信局の位置４５１は、１つの送信局の位置を表す。本実施形態では、当該位置は、単位領域４１１の単位で表されている。
対象位置４５２は、学習の対象となる位置あるいは推定の対象となる位置を表す。本実施形態では、当該位置は、単位領域４１１の単位で表されている。
本実施形態では、１つの送信局の位置４５１および１つの対象位置４５２について、複数の単位領域４１１からなる正方形の領域における建物領域４３１の情報が、学習および推定に用いられる。本実施形態では、当該正方形における１組の対角線の両端に存在する２つの単位領域４１１のうちの一方が送信局の位置４５１であるとみなされ、他方が対象位置４５２であるとみなされる。なお、当該対角線の位置関係の代わりに、他の任意の位置関係が用いられてもよい。
対象位置４５２は、学習の対象となる位置あるいは推定の対象となる位置を表す。本実施形態では、当該位置は、単位領域４１１の単位で表されている。
本実施形態では、１つの送信局の位置４５１および１つの対象位置４５２について、複数の単位領域４１１からなる正方形の領域における建物領域４３１の情報が、学習および推定に用いられる。本実施形態では、当該正方形における１組の対角線の両端に存在する２つの単位領域４１１のうちの一方が送信局の位置４５１であるとみなされ、他方が対象位置４５２であるとみなされる。なお、当該対角線の位置関係の代わりに、他の任意の位置関係が用いられてもよい。
ここで、都市構造情報４０１は、例えば、所定の条件を満たす１以上の送信局について用いられてもよい。
当該所定の条件としては、様々な条件が用いられてもよい。
当該所定の条件としては、例えば、送信局から発信される電波が対象位置４５２に所定の閾値以上の受信強度で届くという条件が用いられてもよい。
当該所定の条件としては、例えば、送信局と対象位置４５２との距離が所定の閾値以下であるという条件が用いられてもよい。
当該所定の条件としては、例えば、送信局が利用者７１によって指定されたという条件が用いられてもよい。
当該所定の条件としては、様々な条件が用いられてもよい。
当該所定の条件としては、例えば、送信局から発信される電波が対象位置４５２に所定の閾値以上の受信強度で届くという条件が用いられてもよい。
当該所定の条件としては、例えば、送信局と対象位置４５２との距離が所定の閾値以下であるという条件が用いられてもよい。
当該所定の条件としては、例えば、送信局が利用者７１によって指定されたという条件が用いられてもよい。
なお、本実施形態では、都市構造情報４０１として、二次元の情報が用いられているが、他の構成例として、三次元の情報が用いられてもよい。都市構造情報４０１として、三次元の情報が用いられる場合には、例えば、図４に示されるような情報に、建物の高さの情報が追加された情報が用いられてもよい。この場合、例えば、単位領域としては、立方体の領域が用いられてもよい。
［実施形態の効果］
本実施形態に係る通信システム１において、受信電力推定装置５１では、送信局から発信される電波の受信電力の推定を、位置ごとに、時間変動を含めて、実行することができる。これにより、受信電力推定装置５１では、電波の伝搬状況を推定することができる。
例えば、受信電力推定装置５１では、学習において教師情報が用いられた位置とは異なる位置における受信電力を推定することができる。
また、例えば、受信電力推定装置５１では、学習において教師情報が用いられた環境とは異なる環境における受信電力を推定することができる。環境が異なる態様としては、例えば、送信局情報、環境音情報、都市構造情報のうちの１以上が異なる態様がある。
本実施形態に係る通信システム１において、受信電力推定装置５１では、送信局から発信される電波の受信電力の推定を、位置ごとに、時間変動を含めて、実行することができる。これにより、受信電力推定装置５１では、電波の伝搬状況を推定することができる。
例えば、受信電力推定装置５１では、学習において教師情報が用いられた位置とは異なる位置における受信電力を推定することができる。
また、例えば、受信電力推定装置５１では、学習において教師情報が用いられた環境とは異なる環境における受信電力を推定することができる。環境が異なる態様としては、例えば、送信局情報、環境音情報、都市構造情報のうちの１以上が異なる態様がある。
本実施形態に係る通信システム１において、受信電力推定装置５１では、電波の受信電力の学習および推定において、位置（場所）ごとの変動を考慮することができ、時間ごとの変動を考慮することができる。これにより、受信電力推定装置５１では、位置（場所）ごとの推定精度を向上させることができ、時間ごとの推定精度を向上させることができる。受信電力推定装置５１では、移動体通信における品質推定の空間的網羅性を確保しつつ、時間的網羅性を確保しつつ、推定精度を向上させることができる。
このように、本実施形態に係る通信システム１において、受信電力推定装置５１では、位置（場所）ごとの品質の違いおよび品質の時間変動を加味した受信電力の推定を精度良く行うことができる。
このように、本実施形態に係る通信システム１において、受信電力推定装置５１では、位置（場所）ごとの品質の違いおよび品質の時間変動を加味した受信電力の推定を精度良く行うことができる。
本実施形態に係る通信システム１において、受信電力推定装置５１では、例えば、周辺環境である電波伝搬の動的な変動要素を、当該周辺環境の音を用いて、特徴量として考慮して機械学習を行うことにより、場所ごとで時間ごとの変動幅を加味した電波伝搬推定を行うことができ、移動体通信における動的な変動要素を考慮して品質推定を行うことができる。
本実施形態に係る通信システム１において、受信電力推定装置５１では、例えば、電波伝搬に大きく影響を与える人や車などの動きを、音を用いて特徴量化することができる。
本実施形態に係る通信システム１において、受信電力推定装置５１では、例えば、電波伝搬に大きく影響を与える人や車などの動きを、音を用いて特徴量化することができる。
本実施形態に係る通信システム１において、受信電力推定装置５１では、例えば、周辺環境である電波伝搬の変動要素を、都市構造を用いて、特徴量として考慮して機械学習を行うことにより、場所ごとの変動幅を加味した電波伝搬推定を行うことができ、移動体通信における動的な変動要素を考慮して品質推定を行うことができる。
本実施形態に係る通信システム１において、受信電力推定装置５１では、例えば、都市構造を、情報量が多くかつ計算量が少ない特徴量として定義し、機械学習を行うことにより、電波伝搬推定を行うことができる。
本実施形態に係る通信システム１において、受信電力推定装置５１では、例えば、都市構造を、情報量が多くかつ計算量が少ない特徴量として定義し、機械学習を行うことにより、電波伝搬推定を行うことができる。
受信電力推定装置５１では、例えば、土地利用区分による伝搬環境の特徴量化が離散的であり推定精度に限界があるという問題に対して、一定の解像度（例えば、５ｍなど）のメッシュごとに建物の面積や体積などの構造物情報を数値化することによって、連続的な数値に基づく特徴量を用いることで、高精度な伝搬推定を面的に行うことができる。
本実施形態に係る通信システム１において、受信電力推定装置５１では、受信電力の測定結果を得ることができ、これにより、例えば、基地局装置の放射方向、基地局装置からの送信電力、あるいは、電波の周波数の設計や制御に役立つ。
ここで、本実施形態では、受信電力推定装置５１を１つの移動通信システムに適用した場合を示したが、他の構成例として、本実施形態に係る受信電力推定装置５１の適用対象としては、様々なものであってもよく、例えば、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などに適用されてもよい。
＜構成例＞
一構成例として、受信電力推定装置５１では、１以上の送信局（図１の例では、基地局装置２１−１〜２１−Ｎ）から無線により発信される電波の受信電力の推定値を演算する。受信電力推定装置５１では、位置ごとに時間的に変動する音の情報を含む第１情報（本実施形態では、送信局情報３１１、環境音情報３１２、都市構造情報３１３）に基づく特徴量を入力し、当該特徴量を用いて受信電力の推定値を演算する推定モデル２５１（学習済みの推定モデル２３１）に基づいて、受信電力の推定値を演算する推定部１１５を備える。
一構成例として、受信電力推定装置５１では、１以上の送信局（図１の例では、基地局装置２１−１〜２１−Ｎ）から無線により発信される電波の受信電力の推定値を演算する。受信電力推定装置５１では、位置ごとに時間的に変動する音の情報を含む第１情報（本実施形態では、送信局情報３１１、環境音情報３１２、都市構造情報３１３）に基づく特徴量を入力し、当該特徴量を用いて受信電力の推定値を演算する推定モデル２５１（学習済みの推定モデル２３１）に基づいて、受信電力の推定値を演算する推定部１１５を備える。
一構成例として、受信電力推定装置５１では、第１情報は、都市の構造に関する情報を含む。
一構成例として、受信電力推定装置５１では、第１情報は、送信局に関する情報を含む。
一構成例として、受信電力推定装置５１では、受信電力は、送信局から無線で発信される電波を受信する受信局（図１の例では、端末装置３１−１〜３１−Ｍ、測定器４１−１〜４１−Ｌ）における受信電力である。
一構成例として、受信電力推定装置５１では、受信電力の推定値は、位置ごとに異なり時間的に変動する値である。
一構成例として、受信電力推定装置５１では、推定モデル２５１は、位置ごとに時間的に変動する音の情報を含む第２情報（本実施形態では、送信局情報３１１、環境音情報３１２、都市構造情報３１３）に基づく特徴量と教師情報を用いて機械学習が行われることによって得られたモデルである。
一構成例として、受信電力推定装置５１では、第１情報は、送信局に関する情報を含む。
一構成例として、受信電力推定装置５１では、受信電力は、送信局から無線で発信される電波を受信する受信局（図１の例では、端末装置３１−１〜３１−Ｍ、測定器４１−１〜４１−Ｌ）における受信電力である。
一構成例として、受信電力推定装置５１では、受信電力の推定値は、位置ごとに異なり時間的に変動する値である。
一構成例として、受信電力推定装置５１では、推定モデル２５１は、位置ごとに時間的に変動する音の情報を含む第２情報（本実施形態では、送信局情報３１１、環境音情報３１２、都市構造情報３１３）に基づく特徴量と教師情報を用いて機械学習が行われることによって得られたモデルである。
一構成例として、受信電力推定方法では、１以上の送信局から無線により発信される電波の受信電力の推定値を演算する。受信電力推定方法では、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力し、当該特徴量を用いて受信電力の推定値を演算する推定モデル２５１に基づいて、受信電力の推定値を演算する。
一構成例として、プログラムは、１以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置５１を構成するコンピュータに、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力するステップと、当該特徴量を用いて受信電力の推定値を演算する推定モデル２５１に基づいて、受信電力の推定値を演算するステップと、を実行させるプログラムである。
なお、他の態様として、プログラムの記録媒体、通信システムなどとして構成されてもよい。
一構成例として、プログラムは、１以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置５１を構成するコンピュータに、位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力するステップと、当該特徴量を用いて受信電力の推定値を演算する推定モデル２５１に基づいて、受信電力の推定値を演算するステップと、を実行させるプログラムである。
なお、他の態様として、プログラムの記録媒体、通信システムなどとして構成されてもよい。
ここで、以上に示した実施形態に係る各装置（例えば、受信電力推定装置５１など）の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録（記憶）して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、処理を行ってもよい。
なお、ここでいう「コンピュータシステム」とは、オペレーティング・システム（ＯＳ：Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）あるいは周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
また、コンピュータ読み取り可能な記録媒体は、例えば、非一時的記録媒体である。
なお、ここでいう「コンピュータシステム」とは、オペレーティング・システム（ＯＳ：Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）あるいは周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
また、コンピュータ読み取り可能な記録媒体は、例えば、非一時的記録媒体である。
さらに、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバあるいはクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）あるいは電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）あるいは電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
以上に説明した任意の装置における任意の構成部の機能は、プロセッサーにより実現されてもよい。例えば、本実施形態における各処理は、プログラム等の情報に基づき動作するプロセッサーと、プログラム等の情報を記憶するコンピュータ読み取り可能な記録媒体により実現されてもよい。ここで、プロセッサーは、例えば、各部の機能が個別のハードウェアで実現されてもよく、あるいは、各部の機能が一体のハードウェアで実現されてもよい。例えば、プロセッサーはハードウェアを含み、当該ハードウェアは、デジタル信号を処理する回路およびアナログ信号を処理する回路のうちの少なくとも一方を含んでもよい。例えば、プロセッサーは、回路基板に実装された１または複数の回路装置、あるいは、１または複数の回路素子のうちの一方または両方を用いて、構成されてもよい。回路装置としてはＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などが用いられてもよく、回路素子としては抵抗あるいはキャパシターなどが用いられてもよい。
ここで、プロセッサーは、例えば、ＣＰＵであってもよい。ただし、プロセッサーは、ＣＰＵに限定されるものではなく、例えば、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、あるいは、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等のような、各種のプロセッサーが用いられてもよい。また、プロセッサーは、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）によるハードウェア回路であってもよい。また、プロセッサーは、例えば、複数のＣＰＵにより構成されていてもよく、あるいは、複数のＡＳＩＣによるハードウェア回路により構成されていてもよい。また、プロセッサーは、例えば、複数のＣＰＵと、複数のＡＳＩＣによるハードウェア回路と、の組み合わせにより構成されていてもよい。また、プロセッサーは、例えば、アナログ信号を処理するアンプ回路あるいはフィルター回路等のうちの１以上を含んでもよい。
以上、本発明の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
１…通信システム、２１−１〜２１−Ｎ…基地局装置、３１−１〜３１−Ｍ…端末装置、４１−１〜４１−Ｌ…測定器、５１…受信電力推定装置、５２…データベース、６１…ネットワーク、７１…利用者、１１１…特徴量生成部、１１２…教師情報取得部、１１３…学習部、１１４…推定位置指定部、１１５…推定部、１３１、１５１…変換部、１３２…推定モデル生成部、１５２…推定値演算部、２１１…特徴量、２１２…教師情報、２１３…位置情報、２３１、２５１…推定モデル、２７１…受信電力の推定値、３１１…送信局情報、３１２…環境音情報、３１３、４０１…都市構造情報、３３１…受信電力、３５１…位置指定情報、４１１…単位領域、４３１…建物領域、４５１…送信局ごとの位置、４５２…対象位置、Ｔ１…学習、Ｔ２…推定
Claims (8)
- １以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置であって、
位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力し、前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算する推定部を備える、
受信電力推定装置。 - 前記第１情報は、都市の構造に関する情報を含む、
請求項１に記載の受信電力推定装置。 - 前記第１情報は、前記送信局に関する情報を含む、
請求項１または請求項２に記載の受信電力推定装置。 - 前記受信電力は、前記送信局から無線で発信される電波を受信する受信局における受信電力である、
請求項１から請求項３のいずれか１項に記載の受信電力推定装置。 - 前記受信電力の推定値は、位置ごとに異なり時間的に変動する値である、
請求項１から請求項４のいずれか１項に記載の受信電力推定装置。 - 前記推定モデルは、位置ごとに時間的に変動する音の情報を含む第２情報に基づく特徴量と教師情報を用いて機械学習が行われることによって得られたモデルである、
請求項１から請求項５のいずれか１項に記載の受信電力推定装置。 - １以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定方法であって、
位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力し、
前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算する、
受信電力推定方法。 - １以上の送信局から無線により発信される電波の受信電力の推定値を演算する受信電力推定装置を構成するコンピュータに、
位置ごとに時間的に変動する音の情報を含む第１情報に基づく特徴量を入力するステップと、
前記特徴量を用いて前記受信電力の推定値を演算する推定モデルに基づいて、前記受信電力の推定値を演算するステップと、
を実行させるプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019096196A JP7084352B2 (ja) | 2019-05-22 | 2019-05-22 | 受信電力推定装置、受信電力推定方法およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019096196A JP7084352B2 (ja) | 2019-05-22 | 2019-05-22 | 受信電力推定装置、受信電力推定方法およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020191555A true JP2020191555A (ja) | 2020-11-26 |
| JP7084352B2 JP7084352B2 (ja) | 2022-06-14 |
Family
ID=73454771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019096196A Active JP7084352B2 (ja) | 2019-05-22 | 2019-05-22 | 受信電力推定装置、受信電力推定方法およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7084352B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024038580A1 (ja) * | 2022-08-19 | 2024-02-22 | 日本電信電話株式会社 | 受信電力推定装置、受信電力推定方法及びプログラム |
| WO2024150327A1 (ja) * | 2023-01-11 | 2024-07-18 | 日本電信電話株式会社 | 予測装置、学習装置、予測システム、予測方法、及びプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015204050A (ja) * | 2014-04-16 | 2015-11-16 | 株式会社日立製作所 | 情報提供システム |
| JP2016052061A (ja) * | 2014-09-01 | 2016-04-11 | 日本電信電話株式会社 | 通信エリア推定システム、サーバ装置、通信エリア推定方法及び通信エリア推定プログラム |
| JP2019041243A (ja) * | 2017-08-25 | 2019-03-14 | 富士通株式会社 | 受信電力推定装置、受信電力推定方法および受信電力推定プログラム |
-
2019
- 2019-05-22 JP JP2019096196A patent/JP7084352B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015204050A (ja) * | 2014-04-16 | 2015-11-16 | 株式会社日立製作所 | 情報提供システム |
| JP2016052061A (ja) * | 2014-09-01 | 2016-04-11 | 日本電信電話株式会社 | 通信エリア推定システム、サーバ装置、通信エリア推定方法及び通信エリア推定プログラム |
| JP2019041243A (ja) * | 2017-08-25 | 2019-03-14 | 富士通株式会社 | 受信電力推定装置、受信電力推定方法および受信電力推定プログラム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024038580A1 (ja) * | 2022-08-19 | 2024-02-22 | 日本電信電話株式会社 | 受信電力推定装置、受信電力推定方法及びプログラム |
| WO2024150327A1 (ja) * | 2023-01-11 | 2024-07-18 | 日本電信電話株式会社 | 予測装置、学習装置、予測システム、予測方法、及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7084352B2 (ja) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103874118B (zh) | WiFi室内定位中基于贝叶斯回归的Radio Map校正方法 | |
| Rana et al. | Ear-Phone: A context-aware noise mapping using smart phones | |
| Atia et al. | Dynamic online-calibrated radio maps for indoor positioning in wireless local area networks | |
| CN112218330B (zh) | 定位方法及通信装置 | |
| De Blasio et al. | A protocol-channel-based indoor positioning performance study for bluetooth low energy | |
| JP6093792B2 (ja) | 測位装置、測位方法、測位プログラム、および、測位システム | |
| JP7084352B2 (ja) | 受信電力推定装置、受信電力推定方法およびプログラム | |
| JP6168527B2 (ja) | 位置推定システム、位置推定方法、プログラム | |
| WO2019159965A1 (ja) | 電波環境推定方法及び電波環境推定装置 | |
| US20100091834A1 (en) | Systems and methods for telescopic data compression in sensor networks | |
| CN110636516B (zh) | 信号传播模型的确定方法及装置 | |
| Braham et al. | Spatial prediction under location uncertainty in cellular networks | |
| Cooper et al. | LoCo: boosting for indoor location classification combining Wi-Fi and BLE | |
| US20150126232A1 (en) | Position estimation method, system, and position estimation apparatus | |
| JP6696859B2 (ja) | 品質推定装置及び品質推定方法 | |
| Maduranga et al. | Supervised machine learning for RSSI based indoor localization in IoT applications | |
| CN107850656A (zh) | 用于定位目的的模型参数的确定 | |
| Zhou et al. | Application of backpropagation neural networks to both stages of fingerprinting based WIPS | |
| Luo et al. | Accuracy-aware wireless indoor localization: Feasibility and applications | |
| CN115615344A (zh) | 一种地表形变监测方法、装置、电子设备及存储介质 | |
| Ulaganathan et al. | Building accurate radio environment maps from multi-fidelity spectrum sensing data | |
| KR20150060456A (ko) | 전파지문지도 생성 장치 및 방법 | |
| Zhang et al. | Variable elasticity spring-relaxation: improving the accuracy of localization for WSNs with unknown path loss exponent | |
| KR20190030059A (ko) | 통신 네트워크에서 무선 맵을 위한 핑거 프린트 생성 방법 및 장치 | |
| CN114942273A (zh) | 一种建筑隔音性能检测评估方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210222 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220208 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220215 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220406 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220510 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220602 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7084352 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |